PSENet V2昨日刚出，今天翻译学习以下。
场景文本检测是场景文本阅读系统的重要一步，随着卷积神经网络的快速发展，场景文字检测也取得了巨大的进步。尽管如此，仍存在两个主要挑战，它们阻碍文字检测部署到现实世界的应用中。第一个问题是速度和准确性之间的平衡。第二个是对任意形状的文本实例进行建模。最近，已经提出了一些方法来处理任意形状的文本检测，但是它们很少去考虑算法的运行时间和效率，这可能在实际应用环境中受到限制。在本文中，我们提出了一种高效且准确的任意形状文本检测器，称为 PSENet V2，它配备了低计算成本的分割模块和可学习的后处理方法。
更具体地，分割模块由特征金字塔增强模块（Feature Pyramid Enhancement Module，FPEM）和特征融合模块（Feature Fusion Module，FFM）组成。FPEM 是一个可级联的 U 形模块，可以引入多级信息来指导更好的分割。FFM 可以将不同深度的 FPEM 给出的特征汇合到最终的分割特征中。可学习的后处理由像素聚合模块（Pixel Aggregation，PA）实现，其可以通过预测的相似性向量精确地聚合文本像素。几个标准基准测试的实验验证了所提出的 PSENet V2 的优越性。值得注意的是，我们的方法可以在 CTW1500 上以 84.2 FPS 实现 79.9％的 F-measure。据我们所知，PSENet V2 是第一种能够实时检测任意形状文本实例的方法。
Figure 1. The performance and speed on curved text dataset CTW1500. PAN-640 is 10.7% better than CTD+TLOC, and PAN-320 is 4 times faster than EAST.
1.介绍
前面的一些介绍省略，看PAN：
作者说提出一个任意形状的文本检测器，namely Pixel Aggression Network（像素聚合网络 ，PAN），可以平衡速度与性能。如图2所示，只有两步：1)通过分割网络预测文本区域, 内核和相似性向量. 2) 从预测的内核重建完整的文本实例. 为了实现高效性, 需要缩减这两个步骤的计算时间. 首先，分割需要轻量级骨干. 文中